Conectividade Funcional da Paisagem

Métricas, Corredores Ecológicos e Graphab
Ciência da Paisagem

Luiz Diego Vidal Santos

Universidade Estadual de Feira de Santana (UEFS)

Visão Geral

Tópicos Principais

  • 1 Conectividade da paisagem — conceitos
  • 2 Conectividade estrutural vs. funcional
  • 3 Teoria de grafos aplicada a paisagens
  • 4 Métricas: PC, IIC, EC(PC), dPC
  • 5 Tutorial prático no Graphab
  • 6 Implicações para planejamento de corredores

Objetivo Central

Compreender o conceito de conectividade funcional da paisagem, calcular métricas de conectividade com o software Graphab e discutir implicações para o planejamento de corredores ecológicos.

1 — CONECTIVIDADE DA PAISAGEM

Por que conectividade importa?

O problema da fragmentação

A conversão de ecossistemas naturais em áreas agrícolas e urbanas gera fragmentos isolados de habitat.

Consequências ecológicas:

  • Populações pequenas e vulneráveis à extinção local
  • Redução do fluxo gênico entre populações
  • Perda de serviços ecossistêmicos (polinização, controle biológico)
  • Diminuição da resiliência a distúrbios (fogo, seca)

A conectividade como solução

A conectividade entre fragmentos permite:

  1. Movimentação de indivíduos entre manchas
  2. Recolonização após extinções locais (metapopulações)
  3. Fluxo gênico e variabilidade genética
  4. Provisão contínua de serviços ecossistêmicos

“Conectividade é o grau em que a paisagem facilita ou impede o movimento entre manchas de recursos.” — Taylor et al. (1993)

Estrutural vs. Funcional

Aspecto Conectividade Estrutural Conectividade Funcional
O que mede Arranjo físico dos fragmentos Capacidade real de movimento
Dados necessários Mapa de uso da terra (vetorial/raster) Mapa + dados de dispersão da espécie
Exemplo de métrica Distância euclidiana entre manchas Probabilidade de dispersão (custo-distância)
Limitação Ignora a biologia do organismo Requer dados autoecológicos
Software Fragstats, QGIS Graphab, Conefor, Circuitscape

Nesta aula trabalharemos com conectividade funcional, que incorpora a capacidade de dispersão da espécie-alvo na análise.

2 — TEORIA DE GRAFOS NA ECOLOGIA DA PAISAGEM

Paisagem como grafo

Componentes

A paisagem é representada como um grafo \(G = (V, E)\):

  • Nós (V) = manchas de habitat (fragmentos)
  • Arestas (E) = conexões potenciais entre manchas

Cada aresta possui um peso baseado na:

  • Distância euclidiana entre manchas, ou
  • Distância de custo (least-cost path), ou
  • Resistência da matriz (circuitos)

Propriedade do nó

  • Atributo = área da mancha (\(a_i\)) como proxy da qualidade do habitat

Limiar de dispersão

Duas manchas são consideradas conectadas se a distância entre elas for ≤ a capacidade de dispersão da espécie-alvo (\(d_{max}\)).

Organismo \(d_{max}\) típico
Aves florestais (pequenas) 200–1000 m
Mamíferos médios 1–5 km
Anfíbios 100–500 m
Insetos polinizadores 500–2000 m
Grandes mamíferos 5–50 km

3 — MÉTRICAS DE CONECTIVIDADE

IIC — Integral Index of Connectivity

\[IIC = \frac{\sum_{i=1}^{n}\sum_{j=1}^{n} \frac{a_i \times a_j}{1 + nl_{ij}}}{A_L^2}\]

Onde:

  • \(a_i\), \(a_j\) = área das manchas \(i\) e \(j\)
  • \(nl_{ij}\) = número de ligações (arestas) no caminho mais curto entre \(i\) e \(j\)
  • \(A_L\) = área total da paisagem
  • \(IIC\) varia de 0 (sem habitat) a 1 (paisagem toda conectada)

O IIC é uma métrica binária — a conexão existe ou não (baseada no limiar de dispersão). Não considera probabilidades intermediárias.

PC — Probability of Connectivity

\[PC = \frac{\sum_{i=1}^{n}\sum_{j=1}^{n} a_i \times a_j \times p^{*}_{ij}}{A_L^2}\]

Onde \(p^{*}_{ij}\) é o produto máximo de probabilidades de dispersão ao longo do caminho ótimo entre \(i\) e \(j\).

Modelo de dispersão

\[p_{ij} = e^{-k \times d_{ij}}\]

Onde:

  • \(d_{ij}\) = distância de custo entre manchas
  • \(k\) = constante de dispersão (\(k = -\ln(p_{median}) / d_{median}\))

Vantagem sobre IIC

O PC é probabilístico:

  • Conexões próximas → alta probabilidade
  • Conexões distantes → baixa probabilidade
  • Não descarta manchas como “desconectadas” — atribui probabilidade menor

Recomendação: usar PC preferencialmente ao IIC (Saura & Pascual-Hortal, 2007).

dPC — Importância individual de cada mancha

Para priorizar manchas para conservação, calcula-se a variação percentual do PC ao remover a mancha \(k\):

\[dPC_k = \frac{PC - PC_{remover\;k}}{PC} \times 100\]

O dPC pode ser decomposto em três frações:

Fração Significado
dPC_intra Importância pela própria área (habitat intrínseco)
dPC_flux Importância como área de dispersão (fluxo)
dPC_connector Importância como “stepping stone” (ponte entre manchas)

Manchas com alto dPC_connector são key stepping stones — sua perda desconecta partes significativas da paisagem.

4 — TUTORIAL PRÁTICO NO GRAPHAB

O que é o Graphab?

Graphab é um software livre (Java) para análise de conectividade funcional de paisagens baseada em grafos.

Capacidades

  • Importar mapas raster de uso da terra
  • Definir custos de deslocamento por classe
  • Calcular distâncias de menor custo
  • Gerar grafos de conectividade
  • Calcular métricas: PC, IIC, EC(PC), dPC
  • Mapear componentes conectados
  • Simular cenários de restauração

Download: thema.univ-fcomte.fr/productions/graphab

Requisitos

  • Java ≥ 8 (JDK)
  • Mapa raster de uso da terra (.tif)
  • RAM: 4 GB mínimo (8 GB recomendado)
  • Resolução recomendada: 10–30 m

Dados de entrada necessários

  1. Mapa de uso da terra classificado (raster)
  2. Código da classe de habitat-alvo
  3. Custos de deslocamento por classe de uso
  4. Capacidade de dispersão da espécie (\(d_{max}\))

Passo 1 — Criar projeto e importar mapa

  1. File → New Project
  2. Selecionar o raster de uso da terra (.tif)
  3. Definir a classe de habitat: ex. código 3 = Floresta
  4. Definir área mínima de fragmento: ex. 1 ha (elimina manchas muito pequenas)
  5. O Graphab identifica automaticamente todos os fragmentos e calcula suas áreas

Dica: use mapas do MapBiomas (30 m) ou classificação própria no GEE (10 m). Certifique-se que o raster está em projeção métrica (UTM).

Passo 2 — Definir custos de deslocamento

A cada classe de uso da terra, atribui-se um custo unitário de deslocamento:

Classe Uso da terra Custo sugerido
1 Água 1000 (barreira para terrestres)
2 Área urbana 500
3 Floresta (habitat) 1
4 Pastagem 30
5 Agricultura 50
6 Solo exposto 80
7 Vegetação secundária 5

Os custos são espécie-dependentes. Uma ave florestal atribui alto custo a campos abertos; um mamífero generalista pode ter custo menor.

Passo 3 — Gerar grafo e calcular métricas

  1. Graph → Create Graph
    • Tipo de distância: Cost distance (least-cost path)
    • Limiar de dispersão: ex. 2000 m de distância de custo
  2. Graph → Calculate Metrics
    • Selecionar: PC, dPC (com decomposição)
    • Probabilidade de dispersão: modelo exponencial negativo
    • Distância mediana: \(d_{median}\) = capacidade de dispersão da espécie
  3. Resultados: tabela de atributos com dPC total, dPC_intra, dPC_flux, dPC_connector por mancha

Passo 4 — Interpretação

Mapa de prioridades

  • Colorir manchas pelo valor de dPC total (gradiente)
  • Manchas em vermelho → alta importância para conectividade
  • Manchas em azul → baixa importância

Análise das frações

  • Alto dPC_intra → fragmento grande e com habitat de qualidade → reserva
  • Alto dPC_connector → fragmento-ponte entre componentes → stepping stone prioritário para conservação
  • Alto dPC_flux → área com alto fluxo de dispersão → corredor potencial

Cenários de restauração

No Graphab é possível:

  1. “Adicionar” novo fragmento (simular restauração)
  2. Recalcular PC
  3. Comparar \(\Delta PC\) entre cenários

Isso permite responder:

“Onde restaurar para obter o maior ganho de conectividade?”

5 — CORREDORES ECOLÓGICOS

Da métrica ao planejamento

Critérios para definição de corredores

A partir da análise no Graphab:

  1. Identificar componentes desconectados do grafo
  2. Localizar as arestas de menor custo entre componentes
  3. Traçar o caminho de menor custo (least-cost corridor)
  4. Definir largura do corredor — baseada na biologia da espécie (ex.: 100 m para aves, 500 m para mamíferos)
  • Lei 9.985/2000 (SNUC) — UC como núcleo de conectividade
  • Lei 12.651/2012 (Código Florestal) — APPs como corredores naturais
  • PNMA — princípio da conectividade ecológica

Limitações da abordagem

  1. Modelos baseados em uma espécie — paisagem é multiespécies
  2. Custos de deslocamento são estimativas — faltam dados empíricos para muitas espécies brasileiras
  3. Mapas de uso da terra têm erro — incerteza propagada
  4. Não considera variação temporal (safra, estações)
  5. Conectividade ≠ uso real — presença de corredor não garante deslocamento

Recomendação: usar espécies guarda-chuva e validar com dados de movimentação (GPS, camera trap).

Exercício proposto

Atividade

  1. Baixe o mapa de uso da terra do MapBiomas (2023) para o seu município (30 m)
  2. Importe no Graphab e defina Floresta como habitat-alvo
  3. Atribua custos de deslocamento para cada classe
  4. Gere o grafo com \(d_{max} = 1500\) m (ave florestal)
  5. Calcule PC e dPC com decomposição
  6. Identifique as 5 manchas mais importantes para conectividade
  7. Proponha 2 áreas prioritárias para restauração (simule no Graphab)
  8. Elabore mapa final com corredores propostos

Entrega

  • Formato: relatório PDF com mapas + tabelas de dPC
  • Prazo: 21 dias
  • Critérios: execução correta (30%), interpretação (30%), proposição de corredores (20%), qualidade do mapa (20%)

Referências

  • Saura, S., & Pascual-Hortal, L. (2007). A new habitat availability index to integrate connectivity in landscape conservation planning. Landscape Ecology, 22, 141–154.
  • Taylor, P. D., Fahrig, L., & Merriam, G. (1993). Connectivity is a vital element of landscape structure. Oikos, 68, 571–573.
  • Foltête, J. C., Clauzel, C., & Vuidel, G. (2012). A software tool dedicated to the modelling of landscape networks. Environmental Modelling & Software, 38, 316–327.
  • Saura, S., & Torné, J. (2009). Conefor Sensinode 2.2: A software package for quantifying the importance of habitat patches for landscape connectivity. Environmental Modelling & Software, 24(1), 135–139.
  • MapBiomas (2024). Projeto MapBiomas — Coleção 9. mapbiomas.org

Obrigado!

Luiz Diego Vidal Santos

Universidade Estadual de Feira de Santana (UEFS)